| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题的研究背景及意义 | 第13-16页 |
| 1.1.1 课题的研究背景 | 第13-14页 |
| 1.1.2 研究的目的和意义 | 第14-16页 |
| 1.2 风能预测技术的研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的研究内容以及文章结构 | 第18-20页 |
| 第二章 风能预测技术基础 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 风能预测方法的分类 | 第20-21页 |
| 2.2.1 按预测的时间跨度分类 | 第20页 |
| 2.2.2 按预测对象分类 | 第20-21页 |
| 2.2.3 按数学模型分类 | 第21页 |
| 2.3 风能预测技术的简介及其概况 | 第21-27页 |
| 2.3.1 持续法 | 第21-22页 |
| 2.3.2 数值天气预报 | 第22页 |
| 2.3.3 时间序列法 | 第22-23页 |
| 2.3.4 人工神经网络法 | 第23-24页 |
| 2.3.5 支持向量机法 | 第24-26页 |
| 2.3.6 组合型预测法 | 第26页 |
| 2.3.7 其它方法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于数学形态学提取相似数据的风能预测数据预处理方法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 数学形态学基础 | 第28-36页 |
| 3.2.1 结构元素 | 第29页 |
| 3.2.2 数学形态学的基本运算 | 第29-32页 |
| 3.2.3 数学形态学运算中的端点效应及其解决方案 | 第32-33页 |
| 3.2.4 多分辨率形态学梯度 | 第33-35页 |
| 3.2.5 多尺度形态学分析 | 第35-36页 |
| 3.3 基于数学形态学提取相似数据的方法 | 第36-39页 |
| 3.3.1 构造三角形结构元素 | 第36-37页 |
| 3.3.2 k阶OCCO滤波器 | 第37-38页 |
| 3.3.3 与一维信号相对应的权重函数 | 第38页 |
| 3.3.4 提取相似数据 | 第38-39页 |
| 3.4 基于数学形态学提取的相似数据的短期风能预测方法及其仿真实验 | 第39-42页 |
| 3.4.1 预测模型 | 第40页 |
| 3.4.2 评价参数 | 第40-41页 |
| 3.4.3 实验结果和讨论 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于平均趋势探测器和形态学局部预测算子的短期风能预测方法 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 非平稳时间序列的分解——平均趋势探测器 | 第44-47页 |
| 4.2.1 一维信号的震荡元 | 第45页 |
| 4.2.2 震荡元的权重质心 | 第45-46页 |
| 4.2.3 平均趋势探测器 | 第46-47页 |
| 4.3 平均趋势分量的预测——局部预测 | 第47-48页 |
| 4.4 随机分量的预测——形态学局部预测算子 | 第48-52页 |
| 4.4.1 嵌入理论及相空间重构相关参数的确定 | 第48-50页 |
| 4.4.2 构造新型结构元素 | 第50-51页 |
| 4.4.3 形态学局部预测算子 | 第51-52页 |
| 4.5 基于平均趋势探测器和形态学局部预测算子的短期风能预测方法 | 第52-54页 |
| 4.6 算例分析 | 第54-58页 |
| 4.6.1 数据介绍 | 第54页 |
| 4.6.2 评价参数 | 第54-55页 |
| 4.6.3 用于对比的模型 | 第55页 |
| 4.6.4 实验结果和讨论 | 第55-58页 |
| 4.7 本章小结 | 第58-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
